"$99 al mes". Eso cuesta el plan Pro de ElevenLabs para generar voz con IA.
Esto lo hace gratis en tu propia máquina. Y acaba de superar a los modelos cerrados.
Se llama Fish Audio S2 y ya tiene 30.000 estrellas en GitHub.
Entrenado con 10 millones de horas de audio en más de 80 idiomas, hace lo que hasta ahora solo veĂas en herramientas de pago:
→ clona tu voz con una muestra de 10 a 30 segundos
→ controla la emoción con etiquetas como [whisper], [excited] o [angry] en cualquier punto del texto
→ genera diálogos con varios hablantes en una sola pasada
→ arranca el audio en ~100 ms, listo para apps en tiempo real
Y los benchmarks lo confirman:
en Seed-TTS Eval registra el menor error de todos los modelos evaluados, por delante de Qwen3-TTS, MiniMax y Seed-TTS.
Funciona en español, francés, inglés y decenas de idiomas más. No necesita fonemas ni preprocesado por idioma.
Open source, con el modelo de 4B parámetros disponible en HuggingFace.
Repo aquà ⬇️